基础矩阵估计的加权归一化线性算法

基础矩阵是对来自同一景物的两幅未定标图像进行分析的基本工具.对其进行估计的常用线性算法有八点算法和改进的八点算法,其最大的优点是运算简单、易于实现,但对噪声和错误数据较敏感,因此实用性差.通过引入与余差有关的代价函数,给出了一种新的鲁棒性线性算法——加权归一化算法.首先将原始输入数据加权归一化处理,然后再用八点算法求F阵的8个参数,实现了F阵的估计.大量的模拟数据和真实图像的实验结果表明,此算法不仅具有良好的鲁棒性,而且可提高基础矩阵的估计精度.     

带相关噪声异步采样系统的分布式最优线性递推融合估计

对带相关噪声的异步均匀采样线性离散系统, 研究了分布式最优线性递推融合预报和滤波问题. 通过引入 满足伯努利分布的随机变量将系统同步化, 给出了局部Kalman预报器和滤波器. 分别推导了局部估值间的互协方 差阵、分布式最优线性融合估值与局部估值间的互协方差阵. 提出了分布式最优线性递推融合预报器和滤波器. 与 局部估值按矩阵加权的分布式融合估计算法相比, 所提出的算法具有更高的估计精度, 但与集中式融合相比有精度 损失. 为了进一步提高估计精度, 又提出了带反馈的分布式最优线性递推融合预报器和滤波器, 证明了带反馈的融 合估计与集中式融合估计具有相同的精度. 仿真例子验证了所提算法的有效性.     

图像重构中估计基础矩阵的线性迭代算法

基础矩阵给出了图像间对极几何关系的代数描述,对其精确估计一直是未标定图像序列重构中的一个非常关键的问题.本文在8点算法的基础上,通过引入与对极距离有关的权因子,给出了一种高精度估计基础矩阵的线性迭代算法.实验结果表明,与归一化8点算法相比,此算法具有更强的抗噪声能力,更小的计算误差,从而提高了所估计基础矩阵的精度.     

视图合成中基础矩阵的鲁棒性估计算法

在未定标系统中，对基础矩阵进行稳定估计是视图合成的关键环节。本文考虑到各匹配点由于误差不同而对基础矩阵造成的不同影响，通过在最优目标函数中引入与余差有关的权重因子提出了一种新的迭代加权线性算法。实验表明，此方法进一步提高了基础矩阵的估计精度，具有较好的稳定性且运算速度快，易于实现。     

一种加权计算基础矩阵的高精度算法

分析了图像匹配点对基础矩阵的不同影响,引入具有明显几何意义的匹配点到对极线的距离作为匹配点的加权因子,将匹配点集合看作随机变量并将加权因子作为匹配点的概率分布。在此基础上对原始图像数据进行归一化处理,利用8点算法得到基础矩阵。大量的试验结果表明,该方法明显降低了计算余差,提高了基础矩阵的计算精度。     

一种高精度的加权鲁棒估计算法

通过构造与余差有关的目标函数,给出了一种高精度估计图像几何变换矩阵的鲁棒算法——加权鲁棒估计算法。算法首先对原始数据进行计算得出图像间几何变换关系矩阵,再利用特征点周围的灰度信息进行权值计算。在拟合几何变换矩阵的迭代过程中,寻找目标函数最小的匹配关系,从而对两幅图像进行精确配准。实验结果证明,使用该技术后算法的图像配准效果较理想,鲁棒性好,真实感强,实际应用价值较高。     

基于Kalman滤波的自回归滑动平均信号信息融合Wiener滤波器

应用Kalman滤波方法,在按矩阵加权线性最小方差最优信息融合规则下,提出了带白色观测噪声的多通道ARMA信号的多传感器信息融合Wiener滤波器.它可统一处理信息融合滤波、平滑和预报问题.为了计算最优加权阵,提出了计算局部滤波误差互协方差阵的公式.同单传感器情形相比,可提高估计精度.一个带三传感器的目标跟踪系统的仿真例子说明了其有效性.     

基于模式空间算法的声源二维DOA估计

针对传统高分辨率谱估计法估计远场声源波达方向（direction of arrival, DOA）时计算量大、对相干信号估计失准的问题,本文提出一种改进的基于圆形麦克风阵列和四阶累积量的声源二维DOA估计算法。该算法结合了圆阵定位无死角的优势和矩阵虚拟扩展获得更多声源定位信息的长处。首先利用模式空间变换将均匀圆形阵列（UCA）虚拟化成2K+1个均匀线性阵列（ULA）,并应用空间平滑技术将虚拟线性阵列划分成L个子阵;接着利用四阶累积构造方法提取有效阵元信息并去掉冗余数据,通过重构矩阵得到新的接收数据;最后通过Music-like算法搜索谱峰获得声源信号的方位角和俯仰角。仿真结果表明,在信噪比较低时,相比传统的高分辨谱估计算法,本文算法可实现对远场相干信号的高精度估计;同时本文算法也具有更低的均方根误差性能,且能有效减少运行时间。     

一种用于无线传感器网络节点递增式定位的新方法

针对递增式无线传感器节点定位中的误差累积问题,提出了一种基于最优加权最小二乘估计的节点定位改进方法,以提高节点的定位精度.在加权最小二乘估计法中,以加权系数为核心,对加权最小二乘进行改进,在估计误差方差矩阵最小时得出最优加权最小二乘的无偏估计解,此时权值可根据方差阵的逆阵来取得最高精度的估计值.仿真结果表明,此方法能有...     

一种改进的双基地声纳马尔可夫定位算法

借鉴岭估计的思想,通过对加权矩阵特征值基准修正,提出了一种改进的马尔可夫定位算法,实现了测量误差协方差阵逆的全域性存在,解决了马尔可夫估计算法在双基地声纳定位应用中的奇点问题.利用该算法对某双基地声纳系统进行了针对定位精度的几何分布的实例仿真,定量分析利比较了3种不同组合方式下算法的定位精度.仿真实例表明,与最佳线性数据融合定位算法相比,运用改进的马尔可夫定位算法对水下目标进行定位可以获得更高的定位精度,同时在基线附近和发射站接收站两侧区域内定位性能亦有较大的提高.算法拓展了冗余数据组合估计在声纳系统中的应用范围.     

基于RSSI的ZigBee动态加权质心四点定位算法*

摘 要：针对传统的基于RSSI的加权质心定位算法中使用静态权重因子指数只能使部分区域的误差得到明显改善而其他区域的误差相对较大的现象,本文提出了一种基于动态权重指数的四点定位算法。在矩形区域中,通过构造权重因子指数矩阵,使不同区域拥有相对最优权重因子指数,在实际运算时,首先通过传统加权质心算法判断未知节点大致位置,然后通过查询指数矩阵确定相对最优权重因子指数并重新计算未知节点坐标,并作为未知节点实际坐标。通过仿真实验,其结果表明,该算法较传统的加权质心定位算法明显的降低了定位中的平均误差及最小误差,提高了精度,并且运算量小,硬件要求简单,有很广泛的应用价值。     

Estimation of epipolar geometry by linear mixed-effect modelling

Epipolar geometry relies on the determination of the fundamental matrix. Classical approaches for estimating the fundamental matrix assume that a Gaussian distribution exists in the errors in view of mathematical tractability. However, this assumption will not be justified when the distribution computed is not normally distributed. We propose a new approach that does not make the Gaussian assumption, and so can attain robustness and accuracy in different conditions. The proposed framework, weighted least squares (WLS), is the application of linear mixed-effect models considering the correlation between different data subsamples. It provides an unbiased estimation of the fundamental matrix after mitigating the effects of outliers. We test the new model by using synthetic and real images, and comparing it to standard methods.     

基于超宽带技术的无线定位系统设计

随着基于位置信息的服务越发受到重视,无线定位技术也得到了快速的发展。其中,超宽带技术具有测量精度高、功耗低的特点,越来越被广泛地应用于无线定位系统中。但是,由于无线信号的传播容易受到环境干扰,导致在复杂环境下,定位精度急剧下降,制约了这种定位技术的应用与推广。针对超宽带无线定位系统中的这个问题,提出了一种基于残留误差的聚类算法,将原始定位数据进行重组后进行计算,并过滤掉误差过大的结果,再利用误差值进行计算结果的聚类处理,进而得到最终的定位结果。使用该算法的超宽带无线定位系统已经通过了工程验收（定位频率2Hz,残留误差门限值1.5米,置信距离差值门限0.5米,迭代上限10000次）,实际测试的结果表明该算法有效提升了定位精度,满足了工程需要,为无线定位技术的推广提供了重要的技术保障。     

加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.     

对极几何估计的鲁棒性新算法

以８参数模型的Ｆ矩阵为基础,深入研究的Ｆ阵的稳定性求解中的若干问题,将求解对极点的问题归结为求解二元六次非线性方程的最优解问题,并将所求最优解作为进上步计算的最佳修造对极点,最后以余差最小准则获得Ｆ阵的全局最优解,实验结果表明,该方法不但使对极点的稳定性有较大提高,也能高精度地估计祟Ｆ阵。     

基于三点定位与加权坐标的三角定位算法

针对传统的基于接收信号强度指示（Received Signal Strength Indication,RSSI）的三角定位算法产生的定位误差大和定位结果波动性大的问题,提出一种基于三点定位与加权坐标的三角定位算法。该算法对RSSI数据进行卡尔曼滤波操作,降低RSSI数据的波动性;将滤波后数据经过基于RSSI选取的三点定位算法,获取粗定位坐标;将获取的三个粗定位坐标基于加权坐标的三角定位算法得到待定位点坐标。实验结果表明,在RSSI-距离衰减模型拟合度为96%的条件下,提出的算法的最大误差为1.602 m,平均误差为0.880 m。